di Giuseppe Iannaccone

LA POTENZA DEL CALCOLO

L’INTELLIGENZA ARTIFICIALE NELLE PICCOLE COSE

The power of computing

L’esplosione dell’intelligenza artificiale negli ultimi 10 anni di GIUSEPPE è in gran parte dovuta ai recenti successi nel settore del deep learning, cioè nell’uso delle reti neurali a molti livelli, cosiddette profonde, per il riconoscimento automatico IANNACCONE* di immagini e del linguaggio. Questi successi sono stati a loro volta consentiti dalla potenza di calcolo e dalle grandi quantità di dati che sono il risultato del progresso esponenziale delle tecnologie dei semiconduttori, che spesso chiamiamo “legge di Moore”.

Oggi gli algoritmi di intelligenza artificiale vengono in gran parte eseguiti in grandi datacenter dedicati. Per esempio, quando usiamo il telefono per tradurre il parlato con Google traslate, il telefono registra il file audio, lo manda a un datacenter remoto che lo interpreta e lo traduce, scarica e poi riproduce il file audio della traduzione. In molti casi vorremmo che le funzioni di intelligenza artificiale fossero svolte localmente, per esempio a bordo di un drone o di un veicolo autonomo quando non possiamo tollerare il ritardo dovuto alla comunicazione con un datacenter remoto. Purtroppo, il progresso della tecnologia dei semiconduttori previsto dalla legge di Moore non consente ai sistemi portatili di stare al passo con le crescenti esigenze di calcolo degli algoritmi di intelligenza artificiale. Qui entra in campo il PROGETTO QUEFORMAL, che punta a dimostrare nuove tecnologie dei dispositivi, nuovi circuiti e nuove architetture per soddisfare le voraci esigenze di calcolo delle reti neurali profonde a bordo di piccoli sistemi. QUEFORMAL è un progetto FET Open che coordino nel pilastro Excellent Science di Horizon 2020, iniziato a gennaio 2019 per una durata di 4 anni. Il progetto include l’Università di Pisa, l’EPFL di Losanna, l’Universität der Bundeswehr di Monaco di Baviera e due PMI ad alta intensità di ricerca: AMO ad Aachen, in Germania, e Quantavis, uno spin-off dell’Università di Pisa. QUEFORMAL è l’acronimo di Quantum Engineering for Machine Learning: il Machine Learning è il settore dell’intelligenza artificiale che studia i sistemi basati sull’ap-

prendimento, quali le reti neurali. L’ingegneria quantistica, in questo caso, è la progettazione e la realizzazione atomo per atomo di nuovi dispositivi usando combinazioni (più tecnicamente “eterostrutture”) di materiali bidimensionali, cioè materiali realizzati con strati dello spessore di un singolo atomo. Le reti neurali di QUEFORMAL hanno due novità principali:

1Sfruttano il calcolo analogico per

svolgere molti calcoli in parallelo

a bassissimo consumo. Il tipo di calcolo più frequente che svolge una rete neurale è la moltiplicazione di matrici, che puntiamo a svolgere consumando pochissima energia tramite un moltiplicatore analogico.

2Usano transistor e memorie non volatili (cioè in grado di conservare i dati senza consumare energia) realizzate con materiali bidimensionali.

QUEFORMAL è al terzo anno: abbiamo dimostrato sperimentalmente alcune piccole reti neurali realizzate con materiali bidimensionali presso il Politecnico di Losanna, e dei moltiplicatori analogici di matrici realizzati in silicio per testare il concetto. Abbiamo inoltre analizzato con strumenti di supercalcolo molte combinazioni di materiali per i dispositivi, per selezionare i materiali più promettenti e accelerare gli esperimenti. Infine, abbiamo sviluppato tecniche sperimentali per migliorare materiali e dispositivi. La valenza dei progetti Excellent Science è dimostrare la potenzialità di una tecnologia

Gate flottante

Eterostruttura laterale FET

Memoria non volatile

Eterostruttura verticale per la gate stack

Eterostruttura laterale nel canale

Illustrazione di un transistor e di una memoria non volatile basati su eterostrutture di materiali bidimensionali

ancora embrionale: hanno davvero successo se stimolano maggiori investimenti nello sviluppo della tecnologia. Ripetendo questo ciclo con successo molte volte, riducendo sempre il rischio e aumentando l’investimento, si può arrivare a una tecnologia di uso quotidiano.

* Professore di Elettronica all’Università di Pisa

QUEFORMAL is an Open FET project in the Excellent Science Pillar of Horizon 2020, which aims to demonstrate new device technologies, new circuits and new architectures for artificial intelligence systems in small systems. The project is coordinated by the University of Pisa, and includes EPFL in Lausanne, the Universität der Bundeswehr in Munich and two research-intensive companies: AMO in Aachen, Germany, and Quantavis, a spin-off of the University of Pisa.